R学习笔记第五篇：字符串操作

文本数据存储在字符向量中，字符向量的每个元素都是字符串，而非单独的字符。在R中，可以使用双引号，或单引号表示字符。

一，字符串中的字符数量

函数nchar()用于获得字符串中的字符数量：

> s <- 'read'
> nchar(s)
[]

二，转义字符

R语言使用“\”，把特定的字符转义为特殊字符，例如 “\t”是制表符，换行符是“\n”，或者 “\r\n”，通常情况下，\r是回车符，把光标移动到当前行的开始，并覆盖当前行已经存在的数据，而\n是换行，把光标移动到一下行；

常用的转义字符是：使用两个“\\”，打印“\”；在字符串中包含双引号或单引号，使用“\"”，或“\'”；如果在双引号中使用单引号，或者在单引号中使用双引号，那么不需要对引号进行转义，R会打印引号。

三，更改字符的大小写

toupper()和tolower()函数，用于把字符串中的字符全部转换为大写或小写：

> toupper('Vic')
[1] "VIC"
> tolower('Vic')
[1] "vic"

四，拼接字符

函数paste()用于把不同的字符向量组合起来，传递的参数是字符向量，返回的数据类型是字符向量：

paste (..., sep = " ", collapse = NULL)

paste()函数按照向量元素的位置顺序，把向量中的元素拼接在一起，中间以sep参数（默认值是空格）分割，collapse参数用于把结果向量（字符向量）的各个元素折叠成一个单独的字符串，使用collapse指定的字符把结果向量的各个元素拼接在一起：

> paste(c('red','yellow'),'lorry')
[] "red lorry"    "yellow lorry"
> paste(c('red','yellow'),c('lorry','car'))
[] "red lorry"  "yellow car"
> paste(c('red','yellow'),c('lorry','car'),collapse=',')
[] "red lorry,yellow car"

五，截取字符串

substr或substring函数用于从字符串中截取子串，字符串的位置从1开始，

substr(x, start, stop)
substring(text, first, last = 1000000L)

1，当start和stop是正整数时，substr和substring函数的行为是相同的：

> substr('R is free software',1,6)
[] "R is f"
> substring('R is free software',1,6)
[] "R is f"

2，当start和stop是向量时，substr和substring函数的行为是不相同的：

> substring('R is free software',1:4,6:9)
[] "R is f" " is fr" "is fre" "s free"
> substr('R is free software',1:4,6:9)
[] "R is f"

六，分割字符串

函数strsplit用于按照指定的字符把长的字符串分割成断的子字符串，

strsplit(x, split, fixed = FALSE)

参数split是用于分割字符串，当参数fixed为TRUE时，表示字符串完全匹配split分隔符；当fixed参数为FALSE时，表示参数split是包含正则表达式的字符，使用正则匹配。函数返回的结果是字符列表，一个列表项对应一个字符串。

> strsplit('ab,cd,ef',',')
[[]]
[] "ab" "cd" "ef"

七，格式化数字

format函数用于把数字（numeric）类型转换成字符类型，formatC函数使用C语言风格来指定输出的格式，而更通用的C风格的格式化函数是sprintf，第一个参数包含字符串或数字变量的占位符，其他参数逐个对应这些占位符，sprintf函数的占位符：

%s：字符串
%f：浮点型
%d：整数
%e ：科学计数法

格式化函数的定义：

format(x, digits = NULL, nsmall = 0L)
formatC(x, digits = NULL, format = NULL, flag = "")
sprintf(fmt, ...)

参数注释：

digits：是一个建议值，用于设置数字的总位数，包括小数点左边和右边；
nsmall：小数位的数量；
format：数字的格式，跟占位符相似： "d" (for integers), "f", "e", "E", "g", "G", "fg" (for reals), or "s" (for strings).
flag：在数字前添加符号

例如，format函数和sprintf函数对数字格式化输出的结果是：

> format(1.3)
[1] "1.3"
> sprintf('%f, %d',1.3,1)
[1] "1.300000, 1"

八，stringr包

stringr包对字符串操作提供了一致的包装，使用R操作字符串，基本上使用该包提供的函数就够了，在使用之前，首先引用stringr包：

library(stringr)

1，字符串长度

str_length 函数计算字符串的长度

> str_length("vic")
[] 3

2，截取子串

str_sub函数用于截取子字符串，start和end用于指定子串的开始位置和结束位置，在end中，如果使用负数，表示从字符串的末尾向前计数。

str_sub(string, start = 1L, end = -1L)

例如，从字符串向量中截取子串：

> x <- c("abcdef", "ghifjk")
> str_sub(x, , )
[] "c" "i"
> str_sub(x, , -)
[] "cde" "ifj"

3，字符的序号

获取字符向量中字符的序号

x <- c("y", "i", "k")
str_order(x)
#> []

4，对字符进行排序

x <- c("y", "i", "k")
str_sort(x)
#> [] "i" "k" "y"

5，扩展字符串

str_pad(string, width, side = c("left", "right", "both"), pad = " ")

6，去掉字符串两端的空格

str_trim(string, side = c("both", "left", "right"))

7，转换大小写

str_to_upper(string, locale = "en")
str_to_lower(string, locale = "en")
str_to_title(string, locale = "en")

8，按照模式匹配

str_detect函数按照指定的模式查找字符串，返回逻辑值；str_subset返回匹配模式的字符串：

str_detect(string, pattern)
str_subset(string, pattern)
str_which(string, pattern)

9，分割字符串

str_split函数按照指定的模式分割字符串：

str_split(string, pattern, n = Inf, simplify = FALSE)

10，统计匹配模式的数量

str_count函数用于统计字符串中的指定字符的数量：

str_count(string, pattern = "")

11，替换字符

str_replace(string, pattern, replacement)
str_replace_all(string, pattern, replacement)

详细信息，请阅读stringr包的官方文档：Introduction to stringr

参考文档:

Introduction to stringr